深層強化学習と行動ゲーム理論による運転者モデリング【JST・京大機械翻訳】

Albaba Berat Mert; Yildiz Yildiray

プレプリント

J-GLOBAL ID：202202210765256053 整理番号：22P0126635

深層強化学習と行動ゲーム理論による運転者モデリング【JST・京大機械翻訳】

Driver Modeling through Deep Reinforcement Learning and Behavioral Game Theory

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年03月24日プレプリントサーバーでの情報更新日： 2020年03月24日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,高速道路運転シナリオにおける運転者の行動予測のためのモデリングフレームワークとして,深層強化学習と階層的ゲーム理論の相乗的組合せを提案した。すべてのエージェントが同時に意思決定者としてモデル化できる,複数の人間-人間および人間-自動化相互作用を扱うことができるモデリングフレームワークの必要性は,本研究の背後にある主要な動機である。このようなモデリングフレームワークは,自律車の検証と検証のために利用され,運転者の自動車の同じ安全レベルに達する自律車両に対して,運転試験の百万マイルが必要であると見積もられる。本論文で提示したモデリングフレームワークは,自己駆動アルゴリズムの安全で迅速な評価を可能にすることにより,試験に費やされる時間や労力を低減するための,複数の人間意思決定者から成る高忠実度交通シミュレータで使用できる。提案したモデリングフレームワークの忠実度を実証するために,ゲーム理論ドライバモデルを,交通データから抽出した実際の人間運転者行動パターンと比較した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

運転者 , ゲーム理論 , 走行性能

, , ,

前のページに戻る